目前,文物数字化保护越来越受到关注。如何将采集的文物数据集通过使用可视化技术展示出来是文物数字化保护领域的核心问题。在可视化技术中移动立方体算法与光线投射算法是应用最广泛、最为经典的方法。其中,在传统的移动立方体算法中,阈值的选取往往是手动进行,具有盲目性,而且在很大程度上依赖于经验,这对算法的应用是不利的。在传统的光线投射算法中,程序在运行时需要较大的内存和运行时间。针对上述问题,本文分别从图像灰度分布、算法流程优化以及并行计算等方面展开研究,主要工作如下:（1）针对传统移动立方体算法手动选取阈值的问题,提出一种自适应阈值的移动立方体算法。通过对二维序列图像的灰度值进行统计,计算出每层的有效值区间以及每层位于有效区间的数据个数,计算出各层占总有效数据的比例,用以确定各层对阈值贡献大小。最后计算各层的平均值与其贡献大小的积的累加和作为阈值。实验结果表明,在重建模型质量和运行时间基本一致的情况下,自适应阈值所计算出来的阈值比OTSU法计算出来的阈值更为接近实际阈值。（2）针对传统光线投射算法运行时需要较大内存和运行时间的实际情况,提出一种改进的光线投射算法。通过将传统方法中,先分类再采样的算法流程,调整为先采样获得采样点,对采样点所在体素顶点进行分类,计算出采样点的颜色与不透明度。该方法能够不用事先储存所有数据的颜色值与不透明度值,大大降低了算法所需要的空间。同时为了提高计算效率,将原算法中的三线性插值用中心插值的方法取代。实验结果表明在重建图像质量相同时,程序所需要的内存降低为传统方法的31%,计算效率提升了26%。（3）为提高移动立方体算法的计算效率,实现了分别基于Open MP和CUDA的移动立方体加速算法。通过Open MP线程库,将任务进行分解,每个子任务都有一个线程并且同时运算。在任务不变的情况下,运算时间大大减少。最后实验结果表明,在保证重建模型质量一致的情况下,3线程可以达到2倍的加速比,6线程时可以达到3倍的加速比。基于CUDA的加速算法,是将数据集传输到GPU端进行计算,在CPU端完成等值面绘制。实验结果表明图像质量一致的情况下,基于CUDA的加速方法,加速比可以达到2.91倍。